Эконометрика

Варавин Евгений Владимирович

*InstructorProfile(zh-CN)*

内容描述: Эконометрика изучает количественные и качественные экономические взаимосвязи с помощью математических и статистических методов и моделей. Даёт инструментарий и методологию оценки параметров экономических моделей. Используется для прогнозирования экономических процессов. Изучаются виды моделей, этапы их построения, парная и множественная линейная и нелинейная регрессии, метод наименьших квадратов, критерии оценки качества уравнения регрессии.

贷款数: 5

*СomplexityDiscipline(zh-CN)*:

*TypesOfClasses(zh-CN)* *hours(zh-CN)*
*Lectures(zh-CN)* 15
*PracticalWork(zh-CN)* 30
*LaboratoryWork(zh-CN)*
*srop(zh-CN)* 30
*sro(zh-CN)* 75
*FormOfFinalControl(zh-CN)* экзамен
*FinalAssessment(zh-CN)*

零件: Вузовский компонент

循环次数: Базовые дисциплины

Цель
  • Цель преподавания курса «Эконометрия» заключается в том, чтобы дать студентам общее представление о методах и моделях эконометрики применяемых для анализа экономических процессов и показателей на основе статистических данных, особенностях и границах их применимости, роли эконометрики в теоретических и практических исследованиях в области экономики.
Задача
  • Задачи: умение использовать методы эконометрики для прикладных целей. В частности, студенты должны уметь: – обосновывать закономерности изучаемого экономического объекта; – определять основные показатели, характеризующие объект; – устанавливать взаимосвязи между этими показателями; – формировать статистическую информацию о процессе; – специфицировать систему совместных уравнений (одно уравнение); – идентифицировать взаимосвязи между показателями в системе уравнений (одном уравнении); оценивать качество расчетов по модели; – выполнять практические расчеты по модели и делать экономико-математический анализ результатов. Уметь и иметь опыт эконометрического моделирования с использованием современных пакетов программ статистического анализа и мировых информационных ресурсов.
Результат обучения: знание и понимание
  • обладает базовыми знаниями в области естественнонаучных (социальных, гуманитарных, экономических) дисциплин, способствующих формированию высокообразованной личности с широким кругозором и культурой мышления способен анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально-экономических показателей
Результат обучения: применение знаний и пониманий
  • знает тенденции социального развития общества, умеет адекватно ориентироваться в различных социальных ситуациях способен выполнять необходимые для составления финансовых разделов планов расчеты, обосновывать их и представлять результаты работы в соответствии с принятыми в организации стандартами
Результат обучения: формирование суждений
  • владеет навыками принятия решений экономического и организационного характера в условиях неопределенности и риска способен на основе описания экономических процессов и явлений строить стандартные теоретические и эконометрические модели, анализировать и содержательно интерпретировать полученные результаты
Результат обучения: коммуникативные способности
  • способен работать в команде, корректно отстаивать свою точку зрения, предлагать новые решения; умеет находить компромиссы, соотносить свое мнение с мнением коллектива способен на основе описания экономических процессов и явлений строить стандартные теоретические и эконометрические модели, анализировать и содержательно интерпретировать полученные результаты
Результат обучения: навыки обучения или способности к учебе
  • стремится к профессиональному и личностному росту владеет навыками приобретения новых специальных знаний, необходимых для повседневной профессиональной деятельности и продолжения образования в магистратуре
*TeachingMethods(zh-CN)*

При проведении учебных занятий предусматривается использование следующих образовательных технологий: - интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; модерация; демонстрация слайдов или учебных фильмов; мозговой штурм; мотивационная речь); - построение сценариев развития различных ситуаций на основе заданных условий; - информационно-коммуникационная (например, занятия в компьютерном классе с использованием профессиональных пакетов прикладных программ); - поисково-исследовательская (самостоятельная исследовательская деятельность студентов в процессе обучения); - решение учебных задач.

*AssessmentKnowledge(zh-CN)*

Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.

*Period2(zh-CN)* *TypeOfTask(zh-CN)* *Total(zh-CN)*
1  *Rating(zh-CN)* Коллоквиум 0-100
Тестирование
Решение задач
Эссе
2  *Rating(zh-CN)* Индивидуальное задание 0-100
Решение задач
Индивидуальное задание
Эконометрическое исследование (формулировка и решение задачи)
*TotalControl(zh-CN)* экзамен 0-100
*PolicyAssignmentTask(zh-CN)*
*TypeOfTask(zh-CN)* 90-100 70-89 50-69 0-49
Excellent *Grade4(zh-CN)* *Grade3(zh-CN)* *Grade2(zh-CN)*
*EvaluationForm(zh-CN)*

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

  • 40% результата, полученного на экзамене;
  • 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

И= 0,6 Р12 +0,4Э
2

 

где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Оценка по буквенной системе Цифровой эквивалент Баллы (%-ное содержание) Оценка по традиционной системе
A 4.0 95-100 Отлично
A- 3.67 90-94
B+ 3.33 85-89 Хорошо
B 3.0 80-84
B- 2.67 75-79
C+ 2.33 70-74
C 2.0 65-69 Удовлетворительно
C- 1.67 60-64
D+ 1.33 55-59
D 1.0 50-54
FX 0.5 25-49 Неудовлетворительно
F 0 0-24
Темы лекционных занятий
  • Введение в эконометрику. Понятие и сущность эконометрики. Практическое применение эконо-метрических моделей. Цели и задачи эконометрики. Этапы построения эко-нометрических моделей. Представление экономических моделей в математической форме, удобной для проведения эмпирического анализа. (Спецификация). Оценка параметров построенной модели. (Параметризация). Проверка качества найденных параметров модели. (Верификация). Использование построенных моделей для объяснения поведения ис-следуемых экономических показателей, прогнозирования и предсказания
  • Базовые понятия теории вероятности и статистики. Вероятностный эксперимент, событие, вероятность. Случайная вели-чина. Числовые характеристики случайных величин. Законы распределений случайных величин. Таблицы распределений и их применение. Взаимосвязь случайных величин. Генеральная совокупность и выборка. Способы представления и обра-ботки статистических данных. Вычисление выборочных характеристик.
  • Парная линейная регрессия. Взаимосвязи экономических переменных. Эндогенные и экзогенные переменные. Суть регрессионного анализа. Парная линейная регрессия. Ин-терпретация уравнения регрессии. Оценка параметров парной регрессионной модели. Теорема Гаусса-Маркова. Метод наименьших квадратов.
  • Проверка качества уравнения регрессии. Классическая линейная регрессионная модель. Предпосылки метода наименьших квадратов. Анализ точности определения оценок коэффициен-тов регрессии. Проверка гипотез относительно коэффициентов линейного уравнения регрессии. Интервальные оценки коэффициентов линейного уравнения регрессии. Доверительные интервалы для зависимой переменной. Проверка общего качества уравнения регрессии. Коэффициент детермина-ции R2
  • Множественная линейная регрессия. Определение параметров уравнения регрессии. Расчет и интерпретация коэффициентов множественной линейной регрессии. Дисперсии и стандарт-ные ошибки коэффициентов. Интервальные оценки коэффициентов теорети-ческого уравнения регрессии. Анализ качества эмпирического уравнения множественной линейной регрессии. Проверка статистической значимости коэффициентов уравнения регрессии. Проверка общего качества уравнения регрессии. Проверка вы-полнимости предпосылок МНК. Статистика Дарбина-Уотсона
  • Нелинейная регрессия. Логарифмические (лог-линейные) модели. Полулогарифмические мо-дели. Обратная модель. Степенная модель. Показательная модель. Преобразование случайного отклонения. Выбор формы модели. Проблемы спецификации.
  • Гетероскедастичность. Суть гетероскедастичности. Последствия гетероскедастичности. Обна-ружение гетероскедастичности. Тесты на гетероскедастичность. Методы смягчения проблемы гетероскедастичности
  • Автокорреляция. Суть и причины автокорреляции. Последствия автокорреляции. Обна-ружение автокорреляции. Критерий Дарбина-Уотсона. Автокорреляция с ла-говой зависимой переменной. Методы устранения автокорреляции.
  • Мультиколлинеарность. Суть мультиколлинеарности. Последствия мультиколлинеарности. Определение мультиколлинеарности. Методы устранения мультиколлинеарности.
  • Фиктивные переменные в регрессионных моделях. Необходимость использования фиктивных переменных. Модели ANCOVA. Сравнение двух регрессий. Использование фиктивных перемен-ных в сезонном анализе. Фиктивная зависимая переменная. Тест Чоу.
  • Динамические модели и прогнозирование. Общие сведения о временных рядах и задачах и анализа. Лаги в эко-номических моделях. Оценка моделей с лагами в независимых переменных. Авторегрессионные модели. Полиномиально распределеннные лаги Алмон. Оценка авторегрессионных моделей. Проблема автокорреляции остатков. Обнаружение и устранение. Прогнозирование с помощью временных рядов.
  • Системы одновременных уравнений Необходимость использования систем уравнений. Составляющие си-стем уравнений. Смещенность и несостоятельность оценок МНК для систем одновременных уравнений. Косвенный метод наименьших квадратов (КМНК). Инструментальные переменные. Проблема идентификации. Необ-ходимые и достаточные условия идентифицируемости. Оценка систем уравнений.
Основная литература
  • Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем. Учебное пособие. – М.: -Финансы и статистика, 2001.-368с.
  • Бородич С.А. Эконометрика: Учеб. пособие / С.А. Бородич. — 2-е изд., испр. — Мн.: Новое знание, 2004. — 416 с. — (Экономиче-ское образование).
  • Грубер Й. Эконометрия. В 2 т. Т. 1: Введение в эконометрию. К., 1996. 397 с.
  • Доугерти К. Введение в эконометрику. М.: ИНФРА-М,- 1997. 402 с.
  • Емельянова И.Г. Эконометрия и прогнозирование. - М.: Экономика, 1985. -207с.
  • Замков О.О., Толстопятенко А.В., Черепных Ю.Н. Математические методы в экономике. М., 1997. 248 с.
  • Кулинич Е.И. Эконометрия – М.: -Финансы и статистика, 2000.-304с.
  • Луговская Л. В. Эконометрика в вопросах и ответах учеб пособие. - М.: ТК Велби, Изд-во Проспект, 2005 - 208 с.
  • Магнус Я., Катышев П., Пересецкий А. Эконометрика. Начальный курс. М., 1997. 248 с.
  • Носко В.П. Эконометрика для начинающих: Основные понятия, эле-ментарные методы, границы применимости, интерпретация результатов. М., 2000.
  • Орлов А. И. Эконометрика: Учебник для вузов. — 2-е изд., перераб. и доп. М.: Изд-во «Экзамен», 2003. 576 с.
  • Практикум по эконометрике: Учеб. пособие / И. И. Елисеева, С. В. Курышева, Н. М. Гордеенко и др.; Под ред. И. И. Елисеевой. М.: Финансы и статистика, 2002. 192 с: ил.
  • Прикладная статистика. Основы эконометрики: Учебник для ву-зов: В 2 т. — 2-е изд., испр. Т. 1. Айвазян С. А., Мхитарян В. С. Теория вероятностей и прикладная статистика. М.: ЮНИТИ-ДАНА, 2001. 656 с.
  • Эконометрика: Учебник /под .ред. И.И. Елисеевой. - М.: Финансы и ста-тистика, 2002. -344с.